Python'ın Global Interpreter Lock (GIL), çoklu iş parçacığı (thread) kullanılmasına rağmen aynı anda birden fazla CPU çekirdeğinde kod yürütülmesini engelleyen önemli bir kısıtlamadır. Python 3.13 ile birlikte deneysel olarak GIL'i devre dışı bırakma imkanı sunan bir sürüm geliştirilmiştir. Bu çalışma, Python 3.14.2'nin GIL'li ve GIL'siz (free-threaded) sürümlerini karşılaştırarak, GIL'in kaldırılmasının donanım kullanımı ve enerji tüketimi üzerindeki etkilerini detaylı bir şekilde incelemiştir. Araştırma, NumPy tabanlı, sıralı (sequential) çekirdekler, iş parçacıklı sayısal ve iş parçacıklı nesne iş yükleri üzerinde yürütme süresi, CPU kullanımı, bellek tüketimi ve enerji harcamalarını ölçmüştür.
Elde edilen sonuçlar, GIL'in kaldırılmasının her senaryoda fayda sağlamadığını gösteren önemli bir dengeyi ortaya koymaktadır. Bağımsız veriler üzerinde çalışan paralel iş yükleri için GIL'siz sürüm, yürütme süresini 4 kata kadar azaltırken, enerji tüketiminde orantılı bir düşüş ve çok çekirdekli (multi-core) kullanımda etkinlik sağlamıştır. Ancak bu iyileşme, bellek kullanımında bir artışa yol açmıştır. Buna karşılık, sıralı iş yükleri GIL'in kaldırılmasından herhangi bir fayda görmemiş, aksine enerji tüketiminde %13 ila %43 arasında bir artış yaşamıştır. İş parçacıklarının aynı nesnelere sık sık eriştiği iş yüklerinde ise kilit çekişmeleri (lock contention) nedeniyle performans düşüşleri gözlemlenmiştir.
Çalışma genelinde, enerji tüketiminin yürütme süresiyle orantılı olduğu, yani CPU kullanımı artsa bile GIL'in devre dışı bırakılmasının güç tüketimini önemli ölçüde etkilemediği belirlenmiştir. Bellek tarafında, GIL'siz sürümde genel bir artış görülmüş; bu artış özellikle sanal bellekte fiziksel belleğe göre daha belirgin olmuştur. Bu bellek artışı, nesne başına kilitlenme (per-object locking), çalışma zamanındaki (runtime) ek iş parçacığı güvenliği mekanizmaları ve yeni bir bellek ayırıcının (memory allocator) benimsenmesine bağlanmıştır. Bu bulgular, Python'ın GIL'siz yapısının evrensel bir iyileştirme olmadığını ve geliştiricilerin, bir iş yükünün paralel yürütmeden etkin bir şekilde faydalanıp faydalanamayacağını benimsemeden önce değerlendirmesi gerektiğini vurgulamaktadır.
Python'ın GIL'siz sürümü, paralel iş yüklerinde önemli performans ve enerji verimliliği sağlarken, her senaryoda faydalı olmayıp bazı durumlarda bellek tüketimini artırabilir ve sıralı iş yüklerinde enerji verimsizliğine yol açabilir.